固体发动机切割分离泄压过程分析

本文依据质点动力学和一维可压缩流体动力学原理，利用无限大容器的出流结果，在适当的简化假设基础上，建立了固体发动机切割分离泄压过程的数学模型，并对泄压过程和分离后的状态变化进行预测．通过比对分析试验容器的理论和试验结果，证明本文方法的误差在15％以内。     

面向敏捷制造的产品可制造性评价

首先分析了敏捷制造模式对产品可制造性评价的要求，指出评价结果必须反馈给制造伙伴选择系统。提出了面前敏捷制造的产品可制造性评价系统的一个实现框架，讨论了其中的零件信息描述、知识表达、制造伙伴选择和制造资源建模等若干问题。之后着重讨论了材料与毛坯选择、零件结构工艺性、制造资源匹配和标准化检验等评价内容和评价方法。最后给出了简例。     

非齐次Poisson过程的若干新性质

本文在一些文献的基础上,进一步讨论非齐次Poisson过程的某些性质,给出了若干新性质。 设{N(t),t≥0}是累积强度为的非齐次Poisson过程。迄今的文献(如[1][2]等)指出,(?)n≥1,前n个到达时刻τ_1,τ_2,…,τ_n的联合概率密度为 本文定理1指出,上式不仅是必要的,而且是充分的,并给出了充分性的证明。从而,得到了描写过程统计规律的一个刻画。然后,在N(t_i)=n_i(i=1,…,k,0相似文献   

考虑未知扰动的RLV再入鲁棒容错姿态控制

针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数（RBF）神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。     

基于机器学习的非定常流场网格自适应

现有针对非定常流场数值模拟的网格自适应方法,通常每隔一段时间步就进行一次网格调整,增加了计算复杂度和精度损失。针对这一问题,本文基于间断伽辽金（discontinuity Galerkin, DG）有限元法提出了结合BPNN(backpropagation neural network)和MMPDE(moving mesh partial differential equation)的非定常流场网格自适应方法。该方法首先采用DG有限元法对Navier-Stokes方程进行非定常计算,得到统计意义上的网格间断量;然后以初始网格和间断量训练BPNN回归模型,用于预测任意位置节点的间断量;接着使用MMPDE变分法移动网格节点,使其符合统计意义的间断量分布;最终通过Laplacian网格平滑法保证网格单元质量。圆柱绕流非定常流场算例的验证结果表明,该方法能够在不改变网格拓扑结构和不增加节点数的情况下完成一次性网格自适应,显著提高了非定常流场数值计算的精度和效率。     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用 神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码（SAE）网络从高维传感器数据中提取健康因子（HI）,采用1维卷积神 经网络-双向门控循环单元（1D-CNN-BGRU）方法捕捉HI序列中的空间和时间特征,并引入自注意（SA）机制对捕捉的特征分配 权重,使用全连接层输出涡扇发动机剩余使用寿命（RUL）,以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结 果表明：利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评 分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机 维修保障及健康管理提供有效决策支撑。     

高速可压反应流的二维简化离散玻尔兹曼模型

如何有效模拟高速反应流现象是当前航空航天、能源与动力工程等领域的难点和热点。为此,本文提出了适用于超声速可压缩反应流的简化离散玻尔兹曼模型（DBM）。该模型基于动理学方法,使用形式统一的离散玻尔兹曼方程描述化学反应流的演化过程。在方程右侧,通过化学反应项将化学反应与多物理场自然耦合。该DBM使用二维九速模型,其离散速度分为三组,每组大小独立可调。为了描述分子转动和振动对应的额外自由度,引入了三组独立可调的参数用于描述额外自由度部分的内能。由此,该DBM具备了模拟比热比可调的反应流系统的功能。另外,平衡态离散速度分布函数与化学反应项各自满足九个独立的矩关系,其表达式都可以通过矩阵求逆的方式获得。通过ChapmanEnskog多尺度分析可以证明,该DBM除了能够在连续性极限条件下恢复描述化学反应流的Euler方程组之外,还具有描述一定热力学非平衡行为的功能。最后,通过数值算例表明,该DBM的数值结果与理论解吻合。     

点火位置对中心分级燃烧室点火过程影响的研究

燃烧室点火可靠性关系到发动机的整体性能,而点火位置对点火结果具有较大的影响。本文首先对点火位置位于回流区边缘中游的点火过程进行实验研究,同时采用数值模拟的方法对冷态流场和燃烧过程进行研究并与实验结果对比,从而验证数值模拟的准确性,最后采用数值模拟的方法研究了不同点火位置的火焰传播过程。结果表明,点火初始时刻,在流场的作用下,火核首先在燃油浓度较高的周向进行传播,同时在流场的作用下沿轴向向燃烧室下游传播,最终在回流区的作用下运动至燃烧室头部。当点火位置位于回流区中上游时,点火成功的关键是火焰传播到靠近头部燃油浓度较高的区域,而点火位置位于回流区下游时,其点火成功的关键是火焰传播到燃烧室中心位置并具有较高的能量。最佳点火位置位于回流区边缘的中游位置。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。